文件名称：DFT的matlab源代码-DEN:基于傅立叶域分析的单图像深度估计
文件大小：2.46MB
文件格式：ZIP
更新时间：2024-06-14 21:30:55
系统开源
DFT的matlab源代码基于傅立叶域分析的单图像深度估计 的PyTorch实施在CVPR 2018上提出。 抽象的 这项工作考虑了单个图像深度估计的众所周知的问题。 我们在PyTorch中实现了原始论文的深度估计网络（DEN），平衡均衡的欧式（DBE）损失和傅立叶域组合（FDC）模型。 在撰写此海报时，它提供了最先进的性能。 从那时起，很少有论文能比拟议的算法稍胜一筹，但它仍然是比较表中的*算法之一。 建筑学 深度估算网络 基于ResNet-152，对其最后19个ResNet块进行了修改以提取中间特征。 将所有提取的中间特征连接起来并馈入一个完全连接的层中，以获取估计的深度图。 深度平衡欧氏损失 对常用的欧几里得损失的修改，有助于更可靠地估算浅深度和深深度。 傅立叶域组合 使用深度估计网络生成深度图候选。 通过以不同的比例裁剪每个图像，我们得到了一批候选图像，使用2D DFT将候选图像转换为频率，最后，将频率映射线性组合为一个图像。 然后，我们应用逆2D DFT获得最终的估计深度图。 结果 发展 先决条件 的Python 3 PyTorch 1.0.0 火炬视觉0.2.1 您可以按
【文件预览】：
DEN-master
----den.py(3KB)
----.github()
--------dbe.png(81KB)
--------fdc.png(457KB)
--------den.png(377KB)
--------results.png(1.61MB)
----run_fdc.py(990B)
----utils.py(453B)
----modeling.py(4KB)
----run.py(3KB)
----fdc.py(5KB)
----requirements.txt(296B)
----dataset.py(769B)
----train_logger.py(322B)
----transforms_nyu.py(7KB)
----README.md(3KB)
----den_gen2.py(4KB)
----converter.py(1KB)
----.gitignore(87B)
----dbe.py(457B)